A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos

Abstract

Neste trabalho propõem-se o uso da distribuição Exponencial Geométrica Estendida (EGE) como um modelo alternativo às distribuições comumente utilizadas tais como Gama, Weibull, Lognormal, entre outras, para a modelagem de dados de precipitação pluvial. Pouco explorada na literatura, a distribuição EGE tem se mostrado eficiente em diversos campos de pesquisa como biologia, demografia, confiabilidade de produtos eletrônicos e pode ser aplicada para analisar fenômenos meteorológicos. Proposta por Adamidis e colaboradores em 2005, uma de suas particularidades é que sua função de risco pode ser crescente ou decrescente. Outra característica importante é a facilidade em se obter diferentes níveis de probabilidade, sem a necessidade de recorrer a métodos numéricos. Testou-se o ajustamento da distribuição EGE para a estimação da precipitação pluvial total mensal de Presidente Prudente-SP. Os resultados mostraram que houve um bom ajuste do modelo para os dados ao serem comparados com outros modelos como Gama, Weibull e Lognormal, de acordo com o critério de informação de Akaike, o teste Kolmogorov-Smirnov e o teste Qui-quadrado ao nivel de 5% de significância. A partir do ajustamento da distribuição EGE aos dados, os estimadores dos parâmetros da distribuição foram obtidos através do método de máxima verossimilhança permitindo assim a estimação da precipitação pluvial total mensal para diferentes níveis de probabilidade.

Evaluation of generalized extreme value and Gumbel distributions for estimating maximum daily rainfall

“…According to this criterion, the best model considered for problem construction is the one with the lowest Akaike's information criterion (AICc) value. This criterion penalizes the addition of parameters, that is, the selection of an extremely complex model with many parameters (Ramos and Moala, 2014).…”

Distribuições De Probabilidade Para Estimativa Da Chuva Mensal

“…A distribuição EGE é utilizada para várias áreas de pesquisa, como biologia, demografia, confiabilidade de produtos eletrônicos e também nos fenômenos meteorológicos, incluindo a precipitação pluviométrica (RAMOS;MOALA, 2014). Esta última distribuição possui estudos mais recentes que as anteriores, porém já se mostrou eficaz para algumas séries de dados.…”